CN114220073A - 火灾监测方法、装置、系统及计算机存储介质 - Google Patents
火灾监测方法、装置、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN114220073A CN114220073A CN202111512211.XA CN202111512211A CN114220073A CN 114220073 A CN114220073 A CN 114220073A CN 202111512211 A CN202111512211 A CN 202111512211A CN 114220073 A CN114220073 A CN 114220073A
- Authority
- CN
- China
- Prior art keywords
- visible light
- flame
- infrared
- temperature
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000779 smoke Substances 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本公开涉及火灾监测技术领域，提供了一种火焰监测方法、装置、存储介质及火焰监测系统，该方法包括：获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。本公开一方面能够通过对可见光图像中的火焰进行探测，将探测到的火焰映射至红外图像以获取红外火焰区域，进而通过红外火焰区域和红外图像分别对应的温度判断目标对象是否发生火灾；另一方面能够提高火灾监控的准确性，降低误报率。
Description
技术领域
本公开涉及火灾监测技术领域，特别涉及一种火灾监测方法、火灾监测装置、计算机可读存储介质及火灾监测系统。
背景技术
随着人类社会的发展进步，火灾成了不可忽视的多发性问题，火灾对人员和财产的破坏性巨大，因此很有必要对火灾进行监测，在火灾发生初期进行消防，避免人员和财产的进一步损失。
目前，通常采用图像处理技术进行火灾监控和报警，具体地，通过对包含火焰的图像进行分析以判断是否发生火灾。由于火焰有着独特的颜色特征，不同的燃烧材料会有不同的火焰颜色，在一般的火灾情景中，火焰像素点的颜色主要分布在橙黄色到白色之间，通过火焰颜色模型可以将图像中颜色与火焰相似的区域提取出来。但是仅仅依靠火焰颜色模型是不能完成对火焰的识别的，因为火焰的颜色空间跨度很大，难免与其他物体的颜色空间存在重合，比如橙黄色的灯、夕阳渲染的天空等，这些物体或物体的一部分符合火焰的颜色模型，这样就极易出现火灾灾情的误报。
鉴于此，本领域亟需开发一种新的火灾监测方法。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种火灾监测方法、火灾监测装置、计算机可读存储介质及火灾监测系统，进而至少在一定程度上提高火焰识别精准度和火灾判断准确度。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开实施例的一个方面，提供一种火灾监测方法，包括：
获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；
在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；
根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；
根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
在本公开的一个实施例中，所述可见光图像由可见光摄像头针对所述目标对象拍摄所得，所述红外图像由红外摄像头针对所述目标对象拍摄所得，所述可见光摄像头和所述红外摄像头位于同一平面，所述可见光摄像头和所述红外摄像头的横坐标及纵坐标重合，且中心点重合。
在本公开的一个实施例中，所述将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域，包括：
获取所述可见光图像中火焰的数量，根据所述数量对所述可见光图像中的火焰进行标记；
获取第N个可见光火焰的尺寸，根据所述尺寸、所述可见光图像的像素分辨率和所述红外图像的像素分辨率确定与所述第N个可见光火焰对应的红外火焰区域；
其中，N为正整数。
在本公开的一个实施例中，所述根据所述尺寸、所述可见光图像的像素分辨率和所述红外图像的像素分辨率确定与所述第N个可见光火焰对应的红外火焰区域，包括：
根据下述公式确定与所述第N个可见光火焰对应的红外火焰区域：
其中，
为与所述第N个可见光火焰对应的红外火焰区域，(xN,yN,wN,hN)为所述第N个可见光火焰的尺寸，pIR为所述红外图像的像素分辨率，p为所述可见光图像的像素分辨率。
在本公开的一个实施例中，所述第一温度为所述红外火焰区域中的最高温度或平均温度，所述第二温度为所述红外图像的平均温度。
在本公开的一个实施例中，所述根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾，包括：
获取所述第一温度与所述第二温度的差值或比值；
将所述差值与第一火灾阀值进行比较，或者将所述比值与第二火灾阀值进行比较；
当所述差值大于所述第一火灾阀值，或者所述比值大于所述第二火灾阀值时，判定所述目标对象发生火灾。
在本公开的一个实施例中，所述对所述可见光图像进行火焰探测，包括：
将所述可见光图像输入至火焰探测模型，通过所述火焰探测模型对所述可见光图像进行处理，以获取所述可见光图像中的火焰；
其中，所述火焰探测模型是根据火焰的颜色特征、运动特征、几何特征和纹理特征训练而成的。
在本公开的一个实施例中，在获取包含目标对象的可见光图像和红外图像之前，所述方法还包括：
通过与所述目标对象关联的温度传感器检测所述目标对象的当前温度；
将所述当前温度与相邻时刻的温度相减，以获取温差值；
若所述温差值大于或等于温度阈值，则触发可见光摄像头和红外摄像头对所述目标对象进行拍照。
根据本公开实施例的一方面，提供了一种火灾监测装置，包括：
火焰探测模块，用于获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；
火焰映射模块，用于在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；
温度确定模块，用于根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；
火灾判断模块，用于根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
根据本公开实施例的一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中所述的火灾监测方法。
根据本公开实施例的一方面，提供了一种火灾监测系统，包括：
可见光摄像头，用于拍摄目标对象，以获取包含目标对象的可见光图像；
红外摄像头，用于拍摄所述目标对象，以获取包含所述目标对象的红外图像，所述红外摄像头和所述可见光摄像头位于同一平面，且横坐标、纵坐标和中心点均重合；
电子设备，所述电子设备与所述可见光摄像头和所述红外摄像头连接，并且所述电子设备包括存储器和处理器，其中所述存储器用于存储所述处理器的可执行指令；所述处理器配置为经由执行所述可执行指令来执行上述实施例中所述的火灾监测方法；
报警装置，根据所述电子设备的输出信息执行目标操作。
由上述技术方案可知，本公开示例性实施例中的火灾监测方法及装置、计算机可读存储介质、火灾监测系统至少具备以下优点和积极效果：
本公开通过对包含目标对象的可见光图像进行火焰探测，在存在火焰时，将可见光图像中的火焰映射至红外图像，以获取红外火焰区域；接着根据红外火焰区域获取第一温度，根据红外图像获取第二温度；最后根据第一温度和第二温度判断目标对象是否发生火灾。本公开中的火灾监测方法一方面能够提高火焰探测的精准度和火灾监测的准确度；另一方面能够降低火灾的误报率。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了可以应用本公开实施例的火灾监测方法及装置的火灾监测系统架构的示意图；
图2示意性示出了根据本公开实施例的火灾监测方法的流程示意图；
图3示意性示出了根据本公开实施例的一种火灾判断流程；
图4示意性示出了根据本公开实施例的另一种火灾判断流程；
图5示意性示出了根据本公开实施例的火灾监测装置的结构示意图；
图6示意性示出了适用于本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施例的火灾监测方法、火灾监测装置的火灾监测系统架构的示意图。
如图1所示，火灾监测系统架构可以包括可见光摄像头101、红外摄像头102、电子设备103、报警装置104和网络105。可见光摄像头101用于拍摄目标对象，以获取包含目标对象的可见光图像；红外摄像头102用于拍摄目标对象，以获取包含目标对象的红外图像，红外摄像头102和可见光摄像头101位于同一平面，且横坐标、纵坐标和中心点均重合；报警装置104根据电子设备103的输出信息执行目标操作；网络105用以在可见光摄像头101、红外摄像头102和电子设备103之间、电子设备103和报警装置104之间提供通信链路的介质；网络105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
应该理解，图1中的可见光摄像头101、红外摄像头102、电子设备103、报警装置104和网络105的数目仅仅是示意性的。根据实现需要，可以具有任意数目的可见光摄像头101、红外摄像头102、电子设备103和报警装置104。
在本公开的实施例中，电子设备103包括存储器和处理器，存储器用于存储处理器的可执行指令，处理器配置为经由执行可执行指令来执行火灾监测方法。电子设备103与可见光摄像头101和红外摄像头102连接，在接收到可见光摄像头101对目标对象拍摄得到的可见光图像和红外摄像头102对目标对象拍摄得到的红外图像后，对可见光图像中的火焰进行探测；当存在火焰时，将可见光图像中的火焰映射至红外图像，以获取红外火焰区域；根据红外火焰区域获取第一温度，并根据红外图像获取第二温度；最后根据第一温度和第二温度判断目标对象是否发生火灾。通过本公开中的火灾监测方法能够提高火灾监测的准确度，降低火灾灾情的误报率。
需要说明的是，本公开实施例所提供的火灾监测方法具体由电子设备103中的处理器执行，该处理器具体可以是服务器，也可以是终端设备，相应地，火灾监测装置可以设置于服务器或终端设备中，从而执行本公开实施例所提供的火灾监测方案。
在本领域的相关技术中，通常是通过对室内烟雾浓度或者温度变化的监测来判断是否发生火灾，但是常常会出现误报的情况，比如有人在烟雾监测传感器附近抽烟、在温度传感器附近焚烧物品等等。虽然现在也出现了通过人工智能的方法识别火焰，进而判断是否发生火灾的技术，但是由于火焰像素点的颜色主要分布在橙黄色到白色之间，颜色跨度很大，通过火焰颜色模型提取火焰时难免与其他物体的颜色空间存在重合，进而使得火焰区域的提取错误，造成灾情误报。
基于相关技术中存在的问题，在本公开的一个实施例中提出了一种火灾监测方法，以对上述问题进行优化处理。具体参照图2所示，该火灾监测方法至少包括以下步骤：
步骤S210：获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；
步骤S220：在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；
步骤S230：根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；
步骤S240：根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
本公开中的火灾监测方法一方面能够通过对可见光图像中的火焰进行探测，将探测到的火焰映射至红外图像以获取红外火焰区域，进而通过红外火焰区域和红外图像分别对应的温度判断目标对象是否发生火灾；另一方面能够提高火灾监控的准确性，降低误报率。
为了使本公开的技术方案更清晰，接下来对火灾监测方法的各步骤进行说明。
在步骤S210中，获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测。
在本公开的一个实施例中，为了提高火焰探测的精准度，本公开中采用两种摄像头针对同一目标对象进行拍摄，并通过图像分析判断该目标对象是否发生火灾。目标对象可以是任意类型的物品，可以是楼房、车辆、植物等等，凡是可能出现火情的场所、物品等都可以作为目标对象。为了精准确定目标对象是否发生火灾，首先需要保证可见光摄像头和红外摄像头可以拍摄到包含目标对象的可见光图像和红外图像，进一步地，为了通过对可见光图像和红外图像进行分析判断目标对象是否发生火灾，还必须保证可见光摄像头的场视角包含红外摄像头的场视角，这样可以保证可见光图像中的火焰可以完全映射到红外图像中，得到对应的红外火焰区域。
在本公开的一个实施例中，在使用可见光摄像头和红外摄像头之前，需要对可见光摄像头和红外摄像头进行校准，具体地校准原则是：可见光摄像头和红外摄像头的中心点重合，误差范围为红外摄像头1％像素内，且可见光摄像头的横坐标和纵坐标与红外摄像头的横坐标和纵坐标分别重合。
在本公开的一个实施例中，在获取包含目标对象的可见光图像和红外图像后，可以对可见光图像进行火焰探测，以判断可见光图像中是否存在火焰。在对可见光图像进行火焰探测时，可以通过火焰探测模型进行探测，将可见光图像作为输入图像输入至火焰探测模型，通过火焰探测模型对其进行图像分析处理，以输出探测到的火焰区域。在对可见光图像进行图像分析处理时，具体可以根据火焰的颜色特征、运动特征、几何特征和纹理特征进行分析处理；该火焰探测模型的类型可以是任意类型的图像处理模型，例如可以是卷积神经网络模型、RNN神经网络模型、Fast-RNN神经网络模型等等，本公开实施例对此不做具体限定。当火焰探测模型完成对可见光图像的处理后，即可得到该可见光图像中的火焰数。为了保证火焰探测模型的稳定性和准确性，需要在应用火焰探测模型之前，采集大量的火焰图像样本，提取火焰图像样本的颜色特征、运动特征、几何特征和纹理特征，进而根据所采集的火焰图像样本、火焰图像样本的颜色特征、运动特征、几何特征和纹理特征和对应的火焰数对待训练的火焰探测模型进行训练，以得到稳定的火焰探测模型。值得说明的是，本公开还可以采用其它方法进行火焰探测，包含且不限于采用火焰探测模型进行探测。
在步骤S220中，在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域。
在本公开的一个实施例中，在完成火焰探测后，可以根据火焰的数量对可见光图像中的火焰进行标记，然后针对每一个火焰进行映射，以获取与其对应的红外火焰区域。由于前期安装可见光摄像头和红外摄像头时进行了校准，使得可见光摄像头和红外摄像头的中心点重合，横坐标和纵坐标也分别重合，误差保证在红外图像像素1％之内，因此在进行映射时就可以保证可见光图像中的火焰映射时能够完全映射到红外图像中，而没有缺失。在对火焰进行标记时，可以采用英文字母、阿拉伯数字等进行标记，例如采用1/2/3等数字、F1/F2/F3等标识进行标记，本公开实施例对此不做具体限定。映射时，首先获取第N个可见光火焰的尺寸，然后根据尺寸、可见光图像的像素分辨率和红外图像的像素分辨率确定与第N个可见光火焰对应的红外火焰区域，其中N为正整数。可见光火焰的尺寸具体可以是火焰中的特征点所对应的坐标，例如火焰最低点、最高点、最左侧、最右侧、火苗最低点、火苗最高点等位置的坐标，获取该些特征点的坐标后，可以基于可见光图像的像素分辨率和红外图像的像素分辨率确定红外火焰区域，其中，根据可见光图像的像素分辨率和红外图像的像素分辨率可以确定缩放比，如果可见光图像的像素和红外图像的像素分辨率相同，则可以实现1:1的映射，保证火焰的原始大小。当可见光图像的像素分辨率和红外图像的像素分辨率不同时，可以根据公式(1)确定红外火焰区域：
其中，
为与第N个可见光火焰对应的红外火焰区域，(xN,yN,wN,hN)为第N个可见光火焰的尺寸，pIR为红外图像的像素分辨率，p为可见光图像的像素分辨率。
值得注意的是，本公开实施例中的可见光图像和红外图像同一类坐标系，例如均为直角坐标系，都以摄像头的中心点作为坐标原点，水平方向作为X轴，与X轴垂直的竖直方向为Y轴，当然还可以是其它坐标系，如极坐标系等等，本公开实施例对此不作具体限定。
在步骤S230中，根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度。
在本公开的一个实施例中，由于红外图像是基于红外探测实现的，其实质是将温度图转为灰度图或伪彩图显示的，因此根据红外图像的坐标点、温度与灰度的转换关系即可得到该坐标点对应的温度。在本公开的实施例中，得到红外火焰区域后，可以基于红外火焰区域的坐标获取红外火焰区域对应的第一温度，基于红外图像的坐标获取红外图像对应的第二温度，进而根据第一温度和第二温度即可判断目标对象是否发生火灾。具体地，第一温度可以是红外火焰区域中的最高温度或平均温度，第二温度可以是红外图像的平均温度。
在步骤S240中，根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
在本公开的一个实施例中，在获取第一温度和第二温度之后，可以基于第一温度和第二温度判断目标对象是否发生火灾。
图3示出了一种火灾判断流程，具体为：
在步骤S301中，将第一温度和第二温度求差，以获取一差值；
在步骤S302中，将该差值与第一火灾阀值进行比较；
在步骤S303中，当该差值大于第一火灾阀值时，判定目标对象发生火灾。
图4示出了另一种火灾判断流程，具体为：
在步骤S401中，将第一温度和第二温度相除，以获取一比值；
在步骤S402中，将该比值与第二火灾阀值进行比较；
在步骤S403中，当该比值大于第二火灾阀值时，判定目标对象发生火灾。
其中，第一火灾阀值不同于第二火灾阀值，且第二火灾阀值不为零。
在本公开的一个实施例中，火灾监测系统中还可以设置报警装置，当判定目标对象发生火灾时，可以根据目标对象、目标对象的地理位置等信息形成火灾信息，并将火灾信息发送至报警装置，报警装置可以根据接收到的火灾信息执行目标操作，例如触发目标对象中的喷淋系统进行灭火或者将火灾信息发送至消防中心，以使消防员可以根据火灾信息及时出警进行消防工作。
在本公开的一个实施例中，在采用可见光摄像头和红外摄像头对目标对象进行拍照之前，还可以通过与目标对象关联的温度传感器检测目标对象的当前温度，并将当前温度与相邻时刻的温度相减，以获取温差值，如果温差值大于或等于温度阈值，则触发可见光摄像头和红外摄像头对目标对象进行拍照；如果温差值小于温度阈值则不触发拍照。本公开通过先进行温度感应再进行拍照，可以提高火灾响应速度，减少可见光摄像头和红外摄像头的工作时长，进而提高可见光摄像头和红外摄像头的使用寿命，并且降低了设备成本。
在本公开的一个实施例中，还可以设置烟雾传感器，当烟雾传感器检测到目标对象的烟雾浓度达到预设浓度时，便触发可见光摄像头和红外摄像头对目标对象进行拍照，否则可见光摄像头和红外摄像头不用启动，保持通电状态即可。该实施例同样可以及时检测火灾，提高响应速度，降低可见光摄像头和红外摄像头的使用频率，进而提高使用寿命，减少设置成本。
本公开通过对包含目标对象的可见光图像进行火焰探测以获取火焰数，在存在火焰时，将可见光图像中的火焰映射至红外图像，以获取红外火焰区域；接着根据红外火焰区域获取第一温度，根据红外图像获取第二温度；最后根据第一温度和第二温度判断目标对象是否发生火灾。本公开中的火灾监测方法一方面能够提高火焰探测的精准度和火灾监测的准确度；另一方面能够降低火灾的误报率。
以下介绍本公开的装置实施例，可以用于执行本公开上述的火灾监测方法。对于本公开装置实施例中未披露的细节，请参照本公开上述的火灾监测方法的实施例。
图5示意性示出了根据本公开的一个实施例的火灾监测装置的框图。
参照图5所示，根据本公开的一个实施例的火灾监测装置500，包括：火焰探测模块501、火焰映射模块502、温度确定模块503和火灾判断模块504。
具体地，火焰探测模块501，用于获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；火焰映射模块502，用于在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；温度确定模块503，用于根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；火灾判断模块504，用于根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
图6示出了适于用来实现本公开实施例的电子设备103的计算机系统的结构示意图。
需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(Central Processing Unit，CPU)601，其可以根据存储在只读存储器(Read-Only Memory，ROM)602中的程序或者从存储部分608加载到随机访问存储器(Random Access Memory，RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(Input/Output，I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本公开实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种火灾监控方法，其特征在于，包括：
获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；
在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；
根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；
根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
2.根据权利要求1所述的方法，其特征在于，所述可见光图像由可见光摄像头针对所述目标对象拍摄所得，所述红外图像由红外摄像头针对所述目标对象拍摄所得，所述可见光摄像头和所述红外摄像头位于同一平面，所述可见光摄像头和所述红外摄像头的横坐标及纵坐标重合，且中心点重合。
3.根据权利要求1所述的方法，其特征在于，所述将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域，包括：
获取所述可见光图像中火焰的数量，根据所述数量对所述可见光图像中的火焰进行标记；
获取第N个可见光火焰的尺寸，根据所述尺寸、所述可见光图像的像素分辨率和所述红外图像的像素分辨率确定与所述第N个可见光火焰对应的红外火焰区域；
其中，N为正整数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述尺寸、所述可见光图像的像素分辨率和所述红外图像的像素分辨率确定与所述第N个可见光火焰对应的红外火焰区域，包括：
根据下述公式确定与所述第N个可见光火焰对应的红外火焰区域：
其中，
为与所述第N个可见光火焰对应的红外火焰区域，(xN,yN,wN,hN)为所述第N个可见光火焰的尺寸，pIR为所述红外图像的像素分辨率，p为所述可见光图像的像素分辨率。
5.根据权利要求1所述的方法，其特征在于，所述第一温度为所述红外火焰区域中的最高温度或平均温度，所述第二温度为所述红外图像的平均温度。
6.根据权利要求1或5所述的方法，其特征在于，所述根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾，包括：
获取所述第一温度与所述第二温度的差值或比值；
将所述差值与第一火灾阀值进行比较，或者将所述比值与第二火灾阀值进行比较；
当所述差值大于所述第一火灾阀值，或者所述比值大于所述第二火灾阀值时，判定所述目标对象发生火灾。
7.根据权利要求1所述的方法，其特征在于，所述对所述可见光图像进行火焰探测，包括：
将所述可见光图像输入至火焰探测模型，通过所述火焰探测模型对所述可见光图像进行处理，以获取所述可见光图像中的火焰；
其中，所述火焰探测模型是根据火焰的颜色特征、运动特征、几何特征和纹理特征训练而成的。
8.根据权利要求1所述的方法，其特征在于，在获取包含目标对象的可见光图像和红外图像之前，所述方法还包括：
通过与所述目标对象关联的温度传感器检测所述目标对象的当前温度；
将所述当前温度与相邻时刻的温度相减，以获取温差值；
若所述温差值大于或等于温度阈值，则触发可见光摄像头和红外摄像头对所述目标对象进行拍照。
9.一种火灾监测装置，其特征在于，包括：
火焰探测模块，用于获取包含目标对象的可见光图像和红外图像，对所述可见光图像进行火焰探测；
火焰映射模块，用于在存在火焰时，将所述可见光图像中的火焰映射至所述红外图像，以获取红外火焰区域；
温度确定模块，用于根据所述红外火焰区域获取第一温度，并根据所述红外图像获取第二温度；
火灾判断模块，用于根据所述第一温度和所述第二温度判断所述目标对象是否发生火灾。
10.一种火灾监测系统，其特征在于，包括：
可见光摄像头，用于拍摄目标对象，以获取包含目标对象的可见光图像；
红外摄像头，用于拍摄所述目标对象，以获取包含所述目标对象的红外图像，所述红外摄像头和所述可见光摄像头位于同一平面，且横坐标、纵坐标和中心点均重合；
电子设备，所述电子设备与所述可见光摄像头和所述红外摄像头连接，并且所述电子设备包括存储器和处理器，其中所述存储器用于存储所述处理器的可执行指令；所述处理器配置为经由执行所述可执行指令来执行权利要求1～8中任意一项所述的火灾监测方法；
报警装置，根据所述电子设备的输出信息执行目标操作。
11.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8中任意一项所述的火灾监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111512211.XA CN114220073A (zh) | 2021-12-08 | 2021-12-08 | 火灾监测方法、装置、系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111512211.XA CN114220073A (zh) | 2021-12-08 | 2021-12-08 | 火灾监测方法、装置、系统及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114220073A true CN114220073A (zh) | 2022-03-22 |
Family
ID=80701054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111512211.XA Pending CN114220073A (zh) | 2021-12-08 | 2021-12-08 | 火灾监测方法、装置、系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114220073A (zh) |
-
2021
- 2021-12-08 CN CN202111512211.XA patent/CN114220073A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2380758C2 (ru) | Cпособ и устройство для обнаружения дыма | |
| US20210124914A1 (en) | Training method of network, monitoring method, system, storage medium and computer device | |
| CN107437318B (zh) | 一种可见光智能识别算法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN111739250A (zh) | 结合图像处理技术与红外传感器的火灾探测方法及系统 | |
| CN112396116A (zh) | 一种雷电检测方法、装置、计算机设备及可读介质 | |
| PT1628260E (pt) | Processo e dispositivo para a detecção automática de fogos florestais | |
| CN111339997A (zh) | 火点区域的确定方法及装置、存储介质和电子装置 | |
| CN111982291A (zh) | 一种基于无人机的火点定位方法、装置及系统 | |
| CN113505643B (zh) | 违章目标物检测方法及相关装置 | |
| CN115700757B (zh) | 消防水炮的控制方法、装置及电子设备 | |
| KR101366198B1 (ko) | 가우시안 혼합 모델 및 에이치에스엘 색공간 분석을 이용한 산불 초기 자동 감지 화상 처리 시스템 및 그 방법 | |
| CN116307740B (zh) | 基于数字孪生城市的起火点分析方法及系统、设备及介质 | |
| JP2018169831A (ja) | 画像比較装置 | |
| CN114120171A (zh) | 基于视频帧的火灾烟雾检测方法、装置、设备及存储介质 | |
| KR101679148B1 (ko) | 깊이 카메라를 이용한 화재 감시 시스템 및 이를 이용한 화재 감시 방법 | |
| CN110910379B (zh) | 一种残缺检测方法及装置 | |
| CN114882251A (zh) | 一种物联网大数据智能视频安防监控方法及装置 | |
| CN115937746A (zh) | 一种烟火事件监测方法、装置及存储介质 | |
| CN112861676B (zh) | 一种烟火识别标记方法、系统、终端及存储介质 | |
| CN116168345B (zh) | 火灾检测方法及相关设备 | |
| CN114446002B (zh) | 火灾在线监测方法、装置、介质及系统 | |
| CN114220073A (zh) | 火灾监测方法、装置、系统及计算机存储介质 | |
| CN115731429A (zh) | 火灾特征分辨模型的训练方法、系统及相关设备 | |
| CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |